摘要
近期深度学习的进展加速了基于内容的自动音乐标签系统的开发。音乐信息检索（MIR）研究人员提出了多种架构设计，主要基于卷积神经网络（CNN），在这一多标签二分类任务中取得了最先进的成果。然而，由于研究人员在实验设置上的差异，例如使用不同的数据集划分和软件版本进行评估，直接比较这些提出的架构变得十分困难。为了促进进一步研究，本文对三种数据集（MagnaTagATune、百万歌曲数据集和MTG-Jamendo）上的不同音乐标签模型进行了统一评估，并提供了使用常见评估指标（ROC-AUC 和 PR-AUC）的参考结果。此外，所有模型均通过扰动输入进行了评估，以探究其在时间拉伸、音高偏移、动态范围压缩和白噪声添加方面的泛化能力。为确保可复现性，我们提供了带有预训练模型的 PyTorch 实现。